杜艷晶 孫翠娟 劉嘉美 任翠環(huán)
摘 要:2014年,埃博拉病毒在西非大地肆虐,對當(dāng)?shù)氐慕?jīng)濟造成了重大損失,本文建立基于SEIHFR的疫情控制與配送優(yōu)化模型進(jìn)行研究。首先,建立基于傳染病動力學(xué)的預(yù)測控制模型,選取幾內(nèi)亞、利比里亞、塞拉利昂作為研究對象,在傳染病動力學(xué)SEIHFR模型的基礎(chǔ)上,結(jié)合三個國家的醫(yī)療條件和文化習(xí)俗,將人群分為六個類別,從而建立SEIHFR微分方程,利用R語言進(jìn)行求解,對三國疫情發(fā)展趨勢進(jìn)行預(yù)測。結(jié)果顯示:經(jīng)過合理的藥物控制,三個國家新出現(xiàn)的病例數(shù)在以周為時間單位下降。其次,建立基于重心法的藥物輸送優(yōu)化模型。根據(jù)預(yù)測結(jié)果,在重心計算方法上,引入灰色系統(tǒng)理論對物流中心進(jìn)行選址,建立三級網(wǎng)絡(luò)配送系統(tǒng)。另外,在配送路徑的選擇方面,采用粒子群算法對配送路徑進(jìn)行優(yōu)化,以疫情爆發(fā)初期的時間最短原則為主要原則,以后期的成本最小為次要原則,準(zhǔn)確確定最佳配送中心和輸送路徑,對疫情進(jìn)行最優(yōu)控制。
關(guān)鍵詞:SEIHFR模型;極大似然法;重心法;灰色系統(tǒng)理論;粒子群算法
1 基于傳染病動力學(xué)的預(yù)測控制模型
1.1 傳染病動力學(xué)微分方程模型的建立
根據(jù)傳染病不同階段的特征,將SEIHFR模型[3]分為六個類別:易感染類、潛伏者類、感染者類、住院者類、未埋葬者類和移出者類。
綜合建立SEIHFR微分方程
其中,S(t)、E(t)、H(t)、F(t)和R(t)分別表示t時刻易感者、潛伏者、感染者、住院者、死亡但未埋葬者以及移出者的數(shù)量。
1.2 疫情分析主要參數(shù)選擇
(1)傳染率設(shè)計
(2)基本再生數(shù)設(shè)計
(3)有效再生數(shù)設(shè)計
2 基于重心法的藥物輸送優(yōu)化模型
2.1 配送中心的選擇
在選擇配送中心時,在普通的重心計算[4-7]方法上,引入灰色系統(tǒng)理論[8]。將三個國家分為8個大區(qū),大區(qū)之下設(shè)有34個省。利比里亞全國有15個縣。塞拉利昂行政區(qū)劃把全國分為3個省和1個區(qū),3個省之下設(shè)有12個行政區(qū),1個區(qū)之下設(shè)有2個行政區(qū)。所以我們將幾內(nèi)亞分為34個區(qū)域,利比里亞分為15個縣,而塞拉利昂則分為14個行政區(qū)。
在重心法的基礎(chǔ)上,引入灰色系統(tǒng)理論的思想,即確定各個城市在疫情情況及運輸時間上所占的權(quán)重,具體選擇過程如下:
設(shè)
得到三個國家的分配中心分別為馬木(10°22′43.8"N,12°05′01.5"W),博城(7°57′14.3"N,11°44′28.3"W),里弗賽斯(6°20′22.2"N,9°31′18.4"W)。
以各國家的省會作為三級節(jié)點,將三個國家的分配中心作為二級節(jié)點,以受災(zāi)最嚴(yán)重的國家為一級節(jié)點。在這種模式下,一級節(jié)點可分配物資到下層節(jié)點,三級節(jié)點網(wǎng)絡(luò)模型如圖3所示。
2.2 分配路徑的選擇
綜合得到物資分配模型:
2.3 模型的實現(xiàn)
通過三級節(jié)點網(wǎng)絡(luò)物資分配模型,將疫情最嚴(yán)重的塞拉利昂作為第一節(jié)點,將三個國家的分配中心作為第二節(jié)點,將各個國家的省會作為第三節(jié)點。
將各個節(jié)點的位置用經(jīng)緯度表示出來,如圖4所示。
如上圖,以加權(quán)重心為主要分配中心,向本國家內(nèi)的各個主要城市進(jìn)行物資輸送。
3 結(jié)論
本文以埃博拉病毒的肆虐傳播為背景,著重對疫情進(jìn)行有效控制。在對疫情情況進(jìn)行發(fā)展預(yù)測時,通過傳染病動力學(xué)SEIHFR模型,采用極大似然法進(jìn)行估計,預(yù)測結(jié)果為經(jīng)過合理的藥物控制,三個國家新出現(xiàn)的病例數(shù)在以周為時間單位下降。在此基礎(chǔ)上,進(jìn)而提出藥物輸送的最優(yōu)方案,利用重心法和灰色系統(tǒng)理論建立三級網(wǎng)絡(luò)配送系統(tǒng),以疫情爆發(fā)初期的時間最短原則為主要原則,后期的成本最小為次要原則,準(zhǔn)確確定最佳配送中心和輸送路徑,實現(xiàn)對疫情的最優(yōu)控制。
參考文獻(xiàn):
[1] 韓江漫.基于動態(tài)復(fù)雜網(wǎng)絡(luò)技術(shù)的病毒傳播控制策略研究[J].計算機與數(shù)字工程,2017,45(10):2004-2008.
[2] 郭謹(jǐn)瑋,劉昱,徐月云,等.應(yīng)用多目標(biāo)粒子群算法的車輛傳動系參數(shù)優(yōu)化仿真研究[J/OL].機械科學(xué)與技術(shù):1-7.